查找重复行的索引 [重复]

Posted 2023-03-29

【中文标题】查找重复行的索引 [重复]

【英文标题】：Find indices of duplicated rows [duplicate]

【发布时间】：2012-09-11 19:11:07

【问题描述】：

R 中的函数重复执行重复行搜索。如果我们想删除重复项，我们只需要写df[!duplicated(df),]，重复项将从数据框中删除。

但是如何找到重复数据的索引呢？如果duplicated 在某行返回TRUE，则表示这是该行在数据框中的第二次出现，并且可以轻松获得其索引。如何获取该行第一次出现的索引？或者，换句话说，重复行与之相同的索引？

我可以在 data.frame 上做一个循环，但我认为这个问题有一个更优雅的答案。

【问题讨论】：

使用 dplyr 的好方法：***.com/a/28244567

annndrey，你为什么接受斯文的回答？它回答了完全不同的问题。

【参考方案1】：

这是一个例子：

df <- data.frame(a = c(1,2,3,4,1,5,6,4,2,1))

duplicated(df) | duplicated(df, fromLast = TRUE)
#[1]  TRUE  TRUE FALSE  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE

它是如何工作的？

函数duplicated(df) 确定原始数据中的重复元素。 fromLast = TRUE 表示“应从反面考虑重复”。这两个结果逻辑向量使用| 组合，因为其中至少一个中的TRUE 表示重复值。

【讨论】：

这根本不能回答问题！

【参考方案2】：

如果您使用的是 keyed data.table，那么您可以使用以下优雅的语法

library(data.table)
DT <- data.table(A = rep(1:3, each=4), 
                 B = rep(1:4, each=3), 
                 C = rep(1:2, 6), key = "A,B,C")

DT[unique(DT[duplicated(DT)]),which=T]

解压

DT[duplicated(DT)] 子集那些重复的行。

unique(...) 仅返回重复行的唯一组合。这处理超过 1 个重复的任何情况（重复重复，例如三次重复等）

DT[..., which = T] 将重复行与原始行合并，which=T 返回行号（没有which = T 它只会返回数据）。

你也可以使用

 DT[,count := .N,by = list(A,B,C)][count>1, which=T]

【讨论】：

在第二种情况下，无需设置密钥（并且在没有密钥的情况下 by 的效率也不会降低）。

我真的很喜欢这种方法，但似乎 DT[duplicated(DT)] 的结果不包括重复的第一行，例如，如果我有一个实例的三个重复项，它将只给我看其中两个。如何全部查看？

您可以使用与fromLast=TRUE 类似的方法。类似DT[unique(DT[duplicated(DT) | duplicated(DT, fromLast = TRUE)]), which = TRUE]